基于深度学习hwp算法的高速公路危险变道判别模型-东南大学学报.pdf

第 卷第 期 东南大学学报 自然科 学版 年 月 基于深度学习算法的高速公路危险变道判别模型 赵 玮 徐良杰 冉斌 汪济洲 武汉理工大学交通学院 武汉 内蒙古科技大学经管学院 包头 东南大学交通学院 南京 摘要 针对危险变道过程影响交通安全这一问题提出一种基于深度学习 算法与分类分析方法的新型危险变道量化判别模型以解决现存车辆变道过程不可被量 化分析及准确判别的问题招募 名被试者利用模拟器仿真平台开展实际场景下试验获取详 细的车辆行驶数据及驾驶环境数据作为训练的模型输入采用 算法作为输出层的分类器 建立了 判别模型及基于样本下模型的一般训练方法该模型的识别精度为 较朴素贝叶斯模型和神经网络分别提高 和 并且调整参数后判别结果 稳定 模型可以根据驾驶员历史驾驶数据对即将发生的危险变道做出预测及判别对 驾驶员提出警告从而减少交通事故的发生此外该研究为车联网环境下变道判别及警示的研 究提供了理论支持 关键词 危险变道判别模拟车试验智能交通深度信任网络 自动驾驶车联网 中图分类号 文献标志码 文章编号 收稿日期 作者简介 赵玮 男博士生讲师徐良杰联系人 女博士教授博士生导师 基金项目 教育部社科青年基金资助项目 国家重点基础研究发展计划 计划资助项目 内蒙古科技 大学创新基金资助项目 引用本文 赵玮徐良杰冉斌等基于深度学习算法的高速公路危险变道判别模型东南大学学报 自然科学版 第 期 赵玮等基于深度学习算法的高速公路危险变道判别模型 危险变道行为是造成重大高速公路交通事故 的模拟驾驶器进行试验虚拟驾驶有 个 的重要原因之一全世界每年约有 万人在交通 显示屏幕即环绕 圆柱屏幕外后视 事故中丧生 其中我国约占 万人美国约占 镜及内后视镜屏幕如图 所示 万人这些交通事故大多发生在高速公路路 段 研究证实变道行为是高速行驶过程中发 生交通事故的主要安全隐患之一 随着车辆驾驶模拟器在交通安全研究领域的 广泛应用国内外学者更倾向于利用模拟器研究可 靠驾驶行为模型跟车模型及车道变换模型 证实在低速行驶的复杂交通环境及所有高速 行驶环境下车流实时车道变换数据采集难度较 大提出利用模拟驾驶来解决这一难题 等 研究了交通事故发生区域及交